Gegevensmodellering in LuckyTemplates met behulp van ondersteunende tabellen

Wanneer we een analyse van ons model uitvoeren, willen we misschien een inzicht vinden dat niets te maken heeft met iets in onze tabellen. Dat is waar het concept van het gebruik van ondersteunende tabellen voor LuckyTemplates-gegevensmodellering om de hoek komt kijken.

Ondersteunende tabellen hebben geen enkele relatie met onze tabellen, maar we kunnen ze gebruiken om de visualisaties in onze rapporten te ondersteunen. 

Inhoudsopgave

• Voorbeeldscenario voor gegevensmodellering in LuckyTemplates
• Een ondersteunende tabel maken voor gegevensmodellering in LuckyTemplates
• Maattabellen maken voor LuckyTemplates-gegevensmodellering
• Aangepaste visualisaties maken in LuckyTemplates
• Conclusie

Voorbeeldscenario voor gegevensmodellering in LuckyTemplates

Voor dit voorbeeld maken we een ondersteunende tabel voor onze klantentabel . We kunnen die ondersteunende tafel bedekken met informatie. Voer vervolgens DAX-logica uit om visualisaties te maken die niet mogelijk zijn met wat we momenteel op onze klantentabel hebben . 

In onze rapportweergave hebben we een visualisatie die het totale aantal transacties van elke klant weergeeft. Voor dit voorbeeld is de hoogste transactie van een klant 33 .

Dan is de laagste 8 .

We willen bijvoorbeeld een visualisatie maken die de frequentie van onze klanten weergeeft op basis van hun transacties. Het is een visualisatie die de totale verkoop van onze klanten met een hoge, gemiddelde en lage frequentie laat zien, die nergens op ons model voorkomt. Wat we kunnen doen, is een tabel maken die die frequenties bevat, zodat we er logica doorheen kunnen halen.

Een ondersteunende tabel maken voor gegevensmodellering in LuckyTemplates

Er zijn verschillende manieren om een ​​tabel te maken. Laten we voor dit voorbeeld de optie Gegevens invoeren gebruiken op het tabblad Start . 

Laten we deze tabel een naam geven als " Aankoopfrequentie ". Stel vervolgens de eerste kolom in als Frequentiegroep en voeg de frequentiewaarden toe als Hoog , Ok en Laag . Voeg ook de kolommen Min en Max toe. In onze huidige tabel zeggen we dat onze hoogfrequente klanten ten minste 25 - 40 transacties moeten hebben. De middelfrequente klanten zouden 15 - 25 transacties moeten hebben, en de laagfrequente klanten zijn degenen met slechts 0 - 15 transacties.

In de relatieweergave plaatsen we onze toegevoegde tabel Aankoopfrequentie aan de rechterkant. De tabel Aankoopfrequentie is namelijk een ondersteunende tabel . De kolommen die in deze tabel worden gemaakt, hebben geen enkele relatie met tabellen in ons gegevensmodel. We gebruiken dit alleen om DAX-logica uit te voeren ter ondersteuning van de visualisaties die we in onze rapporten willen maken. 

Maattabellen maken voor LuckyTemplates-gegevensmodellering

Laten we naast de tabel Aankoopfrequentie ook een andere tabel maken met de optie Gegevens invoeren . Laten we het dynamische groepering noemen . We maken dan een meting in deze tabel.

Wijzig de naam van de meting in de tabel Verkoop per frequentiegroep . Via deze link kunt u meer leren over het maken van maattabellen .

Voor onze maatregel gebruiken we een DAX-code die vrij ingewikkeld is. Deze meting berekent de totale verkoop van elk van de klanten in de tabel Klanten . Het identificeert of hun totale transacties binnen de MIN- en MAX- waarde van de tabel Aankoopfrequentie vallen , de ondersteunende tabel die we hebben gemaakt. 

Het belangrijkste hier is dat de tabel Aankoopfrequentie geen relatie heeft met onze tabel Klanten of andere tabellen. Door echter een logica te creëren met behulp van een meting en DAX-code, kunnen we deze nu gebruiken om een ​​visualisatie te ondersteunen of te maken met onze andere tabellen.

Aangepaste visualisaties maken in LuckyTemplates

Om de gewenste visualisatie te maken, hoeven we alleen maar de kolom Frequentiegroep van onze tabel Dynamische groepering naar ons canvas te slepen.

Vervolgens slepen we onze meting Verkoop per frequentiegroep naar onze frequentiegroep op het canvas.

Als gevolg hiervan hebben we nu een visualisatie die ons de totale verkoop van de klant laat zien van de hoge, lage en middellange frequenties ( Ok ).

Daarna kunnen we dit omzetten in een ringdiagramvisualisatie. Dan zullen we zien dat op basis van de logica die we met onze ondersteunende tabel hebben gemaakt, de meeste van onze klanten zich binnen de middenfrequentie ( OK) bevinden .  

Dat is logisch, want als we het totale aantal transacties van onze klanten controleren, hebben de meeste zo'n 20-21 transacties.

Dat is binnen het middenbereik van 15-25 ( Ok ) frequentie op basis van onze ondersteunende tabel ( Frequentiegroep ).

We kunnen ook een andere visualisatie maken door de meting ( Verkoop per frequentiegroep ) binnen onze visualisatie Klantnamen te slepen ...

… en de kolom Frequentiegroep uit onze ondersteunende tabel ( Aankoopfrequentie ).

Als gevolg hiervan toont de visualisatie nu de naam van de klanten, hun totale verkoop en hun transactiefrequentie. 

We kunnen deze visualisatie vervolgens converteren naar een staafdiagram als we dat willen.

Ten slotte hebben we deze visualisaties voor Verkoop per Frequentiegroep per Klantnaam en Frequentiegroep , en Verkoop per Frequentiegroep per Frequentiegroep.

Conclusie

Samenvattend konden we een ondersteunende tabel maken en deze gebruiken voor datamodellering in LuckyTemplates. Dit zijn enkele krachtige technieken die we kunnen bereiken bij het gebruik van ondersteunende tabellen.

Bedenk nu hoe we de logica hier kunnen uitbreiden. In dit geval hebben we transacties geïsoleerd, maar we kunnen dit ook doen voor andere berekeningen voor een groep mensen in verkoop, marges, groei en nog veel meer.

Ik hoop dat je de logica en het belang van het gebruik van ondersteunende tabellen hebt kunnen inzien . Nogmaals, ze worden puur gebruikt ter ondersteuning van de logica en de visualisatie die we willen maken en we kunnen ze op verschillende manieren gebruiken. Hiermee kun je fantastische analytische technieken toevoegen aan je eigen modellen.

Al het beste,